حلّال المشكلات العام (GPS) وتحليل الوسائل والغايات – ألين نيويل وهيربرت أ. سيمون

شهد منتصف القرن العشرين تحولاً إبستيمولوجياً جذرياً في دراسة الطبيعة البشرية وآليات التفكير، حيث تضافرت جهود رواد الفكر السيبرنrateي وعلوم الحاسوب الناشئة مع التحولات العميقة في علم النفس المعرفي للإطاحة بالهيمنة السلوكية الصارمة التي اختزلت العقل الإنساني في نموذج الصندوق الأسود. وفي قلب هذا التحول التاريخي، انبثق مشروع فكري واستكشافي طموح قاده العالمان البارزان ألين نيويل (Allen Newell) وهيربرت أ. سيمون (Herbert A. Simon)، تجسد في صياغة برنامج “حلّال المشكلات العام” (General Problem Solver – GPS) واستنباط استراتيجية “تحليل الوسائل والغايات” (Means-Ends Analysis – MEA). لم يكن هذا المشروع مجرد محاولة تقنية لتطوير برمجيات حاسوبية ذكية، بل كان في جوهره بياناً تأسيسياً لإعادة تعريف الكينونة الإدراكية للإنسان بوصفها معالجاً نشطاً للرموز والمعلومات.

انطلق نيويل وسيمون من فرضية فلسفية وتجريبية ثورية مفادها أن العمليات الذهنية العليا، مثل حل المسائل المعقدة، والبرهنة المنطقية، والتخطيط الاستراتيجي، ليست ظواهر غيبية عصية على التفسير العلمي، وليست مجرد استجابات شرطية لمثيرات بيئية مباشرة، بل هي سلاسل منظمة من التحويلات الرمزية التي يمكن صياغتها بدقة رياضية ومحاكاتها عبر الآلات الرقمية. من خلال بناء نماذج محاكاة حاسوبية تطابق البروتوكولات السلوكية واللفظية للبشر أثناء مواجهتهم للمعضلات الفكرية، استطاع العالمان إرساء قواعد علم النفس المعرفي الحديث والذكاء الاصطناعي الرمزي، مقدمين إطاراً نظرياً متماسكاً يربط بين بنية الذاكرة البشرية، ومحدودية المعالجة، والآليات الاستكشافية التي يتوسل بها العقل البشري لتجاوز تعقيدات العالم الخارجي.

يتناول هذا البحث الأكاديمي الموسع دراسة شاملة وعميقة لنظام حلّال المشكلات العام (GPS) واستراتيجية تحليل الوسائل والغايات (MEA). سنستعرض السياق التاريخي والفكري الذي مهد لظهورهما، ونتعمق في الأسس النظرية والمفاهيمية مثل فرضية نظام الرموز المادية ومفهوم فضاء المشكلة، ونشرح بالتفصيل البنية المعمارية والآليات التشغيلية للنظام. كما سنستقصي المنهجية التجريبية الدقيقة القائمة على تحليل بروتوكولات التفكير بصوت عالٍ، ونناقش التطبيقات الكلاسيكية للنظام والآثار الإدراكية والنفسية، مع تسليط الضوء على الفروق بين المبتدئين والخبراء، والحدود النظرية والانتقادات، وصولاً إلى الامتدادات المعمارية الحديثة وتطبيقات النموذج في المجالات التربوية والإكلينيكية، والإرث العلمي الخالد الذي تركه هذان العالمان للعلوم السلوكية والمعرفية المعاصرة.

1. السياق التاريخي والفكري لظهور حلّال المشكلات العام (GPS)

1.1 الثورة المعرفية وتراجع النموذج السلوكي

عاشت الساحة السيكولوجية في النصف الأول من القرن العشرين تحت الهيمنة المطلقة للمدرسة السلوكية، التي تزعمها رواد مثل جون واطسون وبي إف سكينر. تبنت هذه المدرسة موقفاً وضعياً متشدداً اعتبر أن دراسة الحالات العقلية الداخلية والعمليات التفكيرية تقع خارج نطاق العلم التجريبي الرصين، مؤكدة أن السلوك الإنساني يمكن اختزاله وفهمه كلياً عبر متواليات المثير والاستجابة (S-R) والتعزيز الإجرائي. ومع ذلك، بدأت الشقوق المعرفية تتسع في جدار هذا النموذج مع تعثر السلوكية في تقديم تفسيرات مقنعة للظواهر الإنسانية المعقدة، وفي مقدمتها اكتساب اللغة والتفكير التجريدي وحل المشكلات غير المألوفة التي تتطلب استبصاراً وتخطيطاً مستقبلياً.

مع اندلاع الحرب العالمية الثانية وما تلاها من تطورات متسارعة في أبحاث الرادار والاتصالات والسيبرنطيقا، بدأت تتبلور رؤية جديدة تنظر إلى الكائن البشري بوصفه نظاماً قادراً على نقل المعلومات وتخزينها واسترجاعها ضمن قنوات ذات سعة محددة. أظهرت أعمال عالم النفس جورج ميلر في الذاكرة قصيرة المدى، وأطروحات نعوم تشومسكي التوليدية في تفكيك النظرية السلوكية للغة، أن السلوك البشري ليس مجرد رد فعل انعكاسي ميكانيكي، بل هو نتاج تنظيم داخلي بنيوي شديد التعقيد يعالج التمثيلات العقلية. هنا نشأت “الثورة المعرفية” التي أعادت الاعتبار للمفاهيم الذهنية ولكن بلغة علمية جديدة استعارت استعاراتها ومصطلحاتها من علوم الحاسوب الناشئة ونظرية المعلومات لكلود شانون.

تُوِّج هذا الحراك المعرفي في الصيف التاريخي لعام 1956 بانعقاد مؤتمر دارتموث، الذي نظمته نخبة من العلماء من بينهم جون مكارثي ومارفن مينسكي وكلود شانون وألين نيويل وهيربرت سيمون. كان هذا المؤتمر بمثابة شهادة الميلاد الرسمية لميدان “الذكاء الاصطناعي”، حيث تم التأسيس لنظرية مفادها أن كل مظهر من مظاهر التعلم أو أي سمة أخرى من سمات الذكاء يمكن، من حيث المبدأ، وصفها بدقة بالغة تتيح للآلة محاكاتها. شكلت هذه اللحظة الفارقة المناخ المثالي لنيويل وسيمون لتقديم رؤيتهما القائمة على أن العقل والحاسوب يتقاسمان نفس المبادئ الجوهرية لمعالجة الرموز.

1.2 التعاون الأكاديمي بين ألين نيويل وهيربرت سيمون

نشأت الشراكة العلمية الأسطورية بين ألين نيويل، المتخصص في الرياضيات وعلم الحاسوب المبتكر في مؤسسة راند (RAND Corporation)، وهيربرت سيمون، أستاذ الإدارة والعلوم السياسية والاقتصاد في معهد كارنيغي للتكنولوجيا (جامعة كارنيغي ميلون لاحقاً)، في أوائل خمسينيات القرن العشرين. جمع الرجلين هاجس معرفي موحد: كيف يتسنى للكائن البشري اتخاذ قرارات معقدة وحل معضلات منطقية في ظل محدودية قدراته الذهنية والمعلوماتية المتاحة؟ كانت مؤسسة راند آنذاك بؤرة متقدمة للأبحاث الاستراتيجية والرياضية وأنظمة الرادار الدفاعية، مما وفر بيئة خصبة لاختبار الفرضيات النظرية عبر الآلات الحاسوبية العملاقة مثل حاسوب جونياك (JOHNNIAC).

أثمر هذا التعاون الخلاق في عام 1955 عن تطوير برنامج “المنطق النظري” (Logic Theorist – LT) بمساعدة كليف شو (Cliff Shaw). حقق هذا البرنامج إنجازاً تاريخياً بإثبات 38 مبرهنة من أصل 52 مبرهنة وردت في الفصل الثاني من كتاب مبادئ الرياضيات (Principia Mathematica) لبرتراند راسل وألفريد نورث وايتهيد، بل وابتكر البرنامج برهاناً لإحدى المبرهنات كان أكثر أناقة وإيجازاً من البرهان الأصلي للمؤلفين. كان برنامج المنطق النظري بمثابة الدليل القاطع على أن البرامج الحاسوبية قادرة على تجاوز الحسابات العددية الصرفة لتشمل التفكير المنطقي غير العددي، وهو ما مهد الطريق مباشرة لصياغة مشروع أكثر شمولاً وتجريداً.

لم يكن طموح نيويل وسيمون مقتصراً على بناء آلات تبرهن الرياضيات المنطقية فحسب، بل كان الهدف الأسمى صياغة “نظرية موحدة للتفكير البشري” تعتمد على أسس رياضية وتجريبية دقيقة. رأى الباحثان أن الآليات المستخدمة في حل المسائل المنطقية تشترك في جوهرها مع الآليات التي يوظفها لاعب الشطرنج، أو الطبيب الذي يشخص مرضاً، أو العالم الذي يبتكر فرضية. ومن هذا المنطلق الفلسفي والتجريبي، بدأت جهودهما المشتركة تتبلور لتصميم بنية إدراكية عامة لا ترتبط بمجال تطبيقي واحد، وهو ما تجلى لاحقاً في ولادة مشروع “حلّال المشكلات العام” (General Problem Solver) عام 1957.

1.3 التحول نحو النمذجة الحاسوبية للعمليات المعرفية

دشن عمل نيويل وسيمون تحولاً جذرياً في المنهجية العلمية لدراسة الظواهر النفسية؛ إذ لم تعد النظريات السيكولوجية مجرد توصيفات لغوية عامة أو معادلات رياضية إحصائية تصف السلوك النهائي، بل أصبحت تصاغ في صورة برامج حاسوبية إجرائية تنفذ خطوة بخطوة. لتنفيذ هذا التحول التقني والفكري، شارك الباحثان بالتعاون مع كليف شو في ابتكار لغات معالجة القوائم الأولى، والمعروفة بسلسلة لغات (Information Processing Language – IPL). أتاحت هذه اللغات للباحثين للمرة الأولى تمثيل البنى الهرمية الديناميكية والشبكات المعرفية وتدفق البيانات المنطقي بدلاً من المصفوفات الرقمية الساكنة.

أعادت هذه المقاربة صياغة المفهوم السيكولوجي للاستدلال والبحث؛ فبدلاً من افتراض قوى غامضة كـ “الحدس” أو اللجوء إلى التفسير السلوكي المبني على المحاولة والخطأ العشوائيين، تم تعريف التفكير كعملية بحث منهجي مقيد عبر خوارزميات واستراتيجيات استكشافية محددة. كان البرنامج الحاسوبي بمثابة الصياغة الصريحة والدقيقة للنظرية النفسية: إذا تم تشغيل البرنامج وأظهر نفس سلوكيات واستجابات وأخطاء المفحوصين من البشر عند مواجهة نفس المشكلة، اعتُبر ذلك دليلاً تجريبياً قوياً على صحة النموذج النظري المفسر للعمليات الذهنية الداخلية.

أسس هذا النموذج منهج “المحاكاة الحاسوبية” (Cognitive Simulation) كأداة اختبار صارمة للفرضيات المعرفية. فالحاسوب هنا لم يكن مجرد آلة لإجراء العمليات الحسابية بسرعة فائقة، بل كان مختبراً تجريبياً لاختبار تماسك النظريات المتعلقة بالذاكرة قصيرة المدى، وبنية الأهداف، واستراتيجيات البحث في الفضاءات المعرفية. فتح هذا المنهج الباب أمام ولادة فرع العلوم المعرفية (Cognitive Science)، مرسخاً فكرة أن النماذج الحاسوبية تمثل لغة التوصيف العلمي الأكثر كفاءة لشرح آليات العقل البشري.

2. الأسس النظرية والمفاهيمية لنموذج حلّال المشكلات العام

2.1 فرضية نظام الرموز المادية (Physical Symbol System Hypothesis)

تمثل فرضية نظام الرموز المادية (PSSH)، التي صاغها نيويل وسيمون رسمياً في محاضرة جائزة تورينغ لعام 1975، الركيزة الفلسفية والإبستيمولوجية المركزية لمشروع حلّال المشكلات العام ولحقل الذكاء الاصطناعي الرمزي برمته. تنص الفرضية على أن: “نظام الرموز المادية يمتلك الوسائل الضرورية والكافية لتوليد السلوك الذكي العام”. والمقصود بـ “الضرورية” هنا أنه لا يمكن لأي كيان (سواء كان إنساناً أو حيواناً متقدماً أو كائناً فضائياً أو حاسوباً) أن يمارس التفكير الذكي دون أن يمتلك نظام رموز مادية؛ والمقصود بـ “الكافية” أن أي نظام مادي يُنظَّم بطريقة تتيح له التلاعب بالرموز وفق قواعد بنيوية يمتلك الإمكانية الكاملة لإنتاج سلوك ذكي يضاهي الذكاء البشري.

يُعرَّف “نظام الرموز المادية” بأنه بنية مادية (تتجسد فيزيولوجياً في الخلايا العصبية والوصلات المشبكية في الدماغ، أو إلكترونياً في الترانزستورات ودارات السيليكون في الحاسوب) قادرة على إنشاء وتعديل وحفظ ونسخ وتدمير الرموز والتراكيب الرمزية. الرمز في هذا السياق هو كيان فيزيائي يشير أو يعين (designates) كياناً آخر في العالم الخارجي أو داخل النظام ذاته. تتم ترجمة وتشفير المدخلات البيئية عبر أجهزة الاستشعار إلى رموز داخلية، وتتكون التراكيب الرمزية من علاقات منطقية محددة بين تلك الرموز (مثل تمثيل القضية: “الكتاب على الطاولة” بالصيغة الرمزية: ON(Book, Table))، وتجري المعالجة المعرفية من خلال تطبيق مشغلات تحول تركيباً رمزياً إلى تركيب رمزي آخر وفق قواعد محددة.

ترتبت على هذه الفرضية تداعيات إبستيمولوجية عميقة في دراسة العقل والأنظمة الاصطناعية، حيث أزاحت الثنائية الديكارتية التقليدية (عقل/مادة) وقدّمت حلاً مادياً لمعضلة القصدية والمعنى. فالعقل وفقاً لهذه الفرضية ليس جوهراً أثيرياً مفارقاً، بل هو نمط محدد من التنظيم الوظيفي لمعالجة الرموز المادية. هذا التكافؤ الوظيفي بين الأدمغة الحيوية والآلات المنطقية يعني أن الذكاء غير مشروط بالبنية البيولوجية الكربونية، بل يتحقق في أي وسيط مادي يمتلك المقومات الحسابية لمعالجة الرموز وإنتاج الاستدلال المنطقي.

2.2 مفهوم فضاء المشكلة (Problem Space)

يعد مفهوم “فضاء المشكلة” (Problem Space) من أعمق المفاهيم النظرية التي رسخها نيويل وسيمون في دراسة السلوك التفكيري؛ وهو يمثل البيئة التجريدية الداخلية التي يصوغها العقل الإنساني لتمثيل المشكلة المراد حلها والتنقل بين حالاتها المحتملة. لا يحل الإنسان المشكلات في بيئتها الفيزيائية الخام مباشرة، بل يعيد تشفيرها ذهنياً داخل هذا الفضاء المجرد الذي يتألف من أربعة عناصر بنيوية أساسية:

• الحالة الراهنة أو الأولية (Initial State): التوصيف الرمزي للواقع كما يدركه النظام عند نقطة البداية، شاملاً كافة المعطيات والظروف المبدئية.
• الحالة الهدفية (Goal State): التوصيف الرمزي للوضع المنشود أو الشروط التي يجب أن تتحقق للإعلان عن التوصل إلى الحل الناجح للمشكلة.
• الحالات الوسيطة (Intermediate States): التكوينات والتوزيعات الرمزية المتعددة التي يمكن أن يمر بها النظام أثناء انتقاله التدريجي من الحالة المبدئية نحو الهدف.
• المشغلات (Operators): الإجراءات التحويلية والقواعد الانتقالية الصالحة التي يمكن تطبيقها على حالة ما لتوليد حالة جديدة ومعدلة داخل الفضاء.

تحدد حدود هذا الفضاء البحثي مجموعة من القيود البيئية والذهنية والمعرفية. فالقيود المفروضة في شروط المسألة (مثل عدم جواز تحريك قرص كبير فوق قرص صغير في مشكلة برج هانوي) ترسم الخطوط العريضة للحركات القانونية داخل الفضاء. غير أن فضاء المشكلة ليس كياناً موضوعياً ثابتاً ومطابقاً للواقع الخارجي بصورة مطلقة، بل هو بناء إدراكي ذاتي يتأثر بشكل حاسم بكيفية فهم الفرد لمعطيات المشكلة وتمثيله العقلي لها.

يلعب التمثيل العقلي الصحيح (Mental Representation) دوراً محورياً وحاسماً في إنجاح أو إفشال عملية البحث؛ فالتمثيل المشوه أو غير الدقيق قد يضخم فضاء المشكلة إلى أبعاد لا نهائية يستحيل استكشافها ضمن زمن معقول، أو قد يفرض قيوداً وهمية تخفي الحلول الممكنة، بينما يؤدي التمثيل المتقن والملائم إلى تقليص الفضاء وحصر البحث في مسارات واعدة ومثمرة، وهو ما يميز الخبير عن المبتدئ كما سنرى لاحقاً.

2.3 محاكاة التفكير البشري مقابل الحل الحسابي الصرف

من الأهمية بمكان التمييز الدقيق بين اتجاهين رئيسيين في أبحاث الذكاء الاصطناعي المبكرة: اتجاه “الذكاء الاصطناعي الهندسي” (Engineering AI) واتجاه “محاكاة التفكير البشري” أو النمذجة الإدراكية (Cognitive Simulation). ركز الاتجاه الهندسي على تحقيق الأداء العالي وحل المشكلات بأقصى كفاءة حسابية ممكنة، بصرف النظر عما إذا كانت الطرق المتبعة تشبه التفكير البشري أم لا، مثل استخدام خوارزميات الاستقصاء الشامل والتوسيع الحسابي المفرط (Brute-force search). في المقابل، انصب مشروع نيويل وسيمون في حلّال المشكلات العام (GPS) بصورة قاطعة على اتجاه المحاكاة المعرفية.

لم يكن هدف نيويل وسيمون بناء أقوى برنامج حاسوبي لحل الألغاز، بل بناء نموذج دقيق وواقعي يُحاكي كيفية تفكير البشر بالفعل عندما يواجهون مشكلات جديدة ومعقدة. تطلب هذا المنهج تضمين الحدود والقيود الإدراكية البشرية داخل البنية البرمجية، مثل السعة المحدودة للذاكرة قصيرة المدى (التي تستوعب حوالي 7 ± 2 وحدات معلوماتية وفق نظرية جورج ميلر)، والسرعة المحدودة نسبياً في استرجاع المعلومات من الذاكرة طويلة المدى، والعجز عن معالجة كافة الاحتمالات الممكنة في وقت متزامن.

انطلاقاً من هذا التوجه السيكولوجي، ركز نظام GPS على مسار التفكير والخطوات الإجرائية الوسيطة، واستراتيجيات التراجع عند الخطأ (Backtracking)، بل وحتى الوقوع في نفس الأخطاء الإدراكية التي يقع فيها المفحوص البشري تحت وطأة الحمل الذهني. لم يكن معيار نجاح برنامج GPS هو سرعة الوصول الحسابي المجرد إلى الحل، بل كان مدى تطابق المسار الزمني والمنطقي للبرنامج مع بروتوكولات التفكير والقرارات اللحظية التي يسجلها المشاركون من البشر أثناء التفكير بصوت عالٍ.

3. البنية المعمارية والآليات التشغيلية لنظام GPS

3.1 المكونات البنيوية الأساسية للنظام

يعتمد نظام حلّال المشكلات العام (GPS) في جوهره على بنية معمارية إدراكية ثلاثية المستويات تتكامل ديناميكياً لإدارة عمليات البحث والاستدلال، وتتألف هذه البنية من: الذاكرة العاملة، وقاعدة المشغلات الإجرائية، ومحرك التحكم المركزي. تعمل الذاكرة العاملة (Working Memory) كسجل إدراكي نشط وفوري يُخزِّن التوصيف الرمزي للحالة الحالية للبيئة، والتمثيل الرمزي للحالة الهدفية المنشودة، والأهم من ذلك، “شجرة الأهداف والأهداف الفرعية” (Goal Tree) التي تتولد وتُحدَّث باستمرار أثناء عملية حل المشكلة. تتميز هذه الذاكرة بأنها ديناميكية ومحدودة السعة، وتخضع لعمليات دفع وسحب متواصلة للبيانات حسب أولويات الاستدلال.

أما المكون الثاني فهو قاعدة القواعد الإجرائية والمشغلات (Operators Database)، والتي تتضمن مستودعاً للعمليات التحويلية المسموح بها في مجال المشكلة المعني. يتضمن كل مشغل تعريفاً محدداً لثلاثة عناصر: الشروط القبلية الواجب توفرها لتنفيذه، والفروق النوعية التي صُمم هذا المشغل لإلغائها أو تقليصها، وقواعد التحويل التي توضح بالتفصيل كيف ستتغير البنية الرمزية للحالة عند تطبيق المشغل. وتعد هذه القاعدة بمثابة “الأدوات المعرفية” التي يمتلكها النظام للتأثير في بيئة المشكلة وتغيير معالمها.

ويقود هذا النظام “محرك التحكم المركزي” (Central Executive Controller)، وهو الآلية الخوارزمية الصارمة المسؤولة عن تنسيق دورة المعالجة واتخاذ القرارات الإدارية العليا. يقوم محرك التحكم باستدعاء الحالات من الذاكرة العاملة، واستشارة جداول تقييم الفروق، واختيار وتطبيق المشغلات الملائمة، والتحكم في آلية التراجع المنطقي عند وصول البحث إلى طريق مسدود أو عند انتهاك شرط قبلي لا يمكن حله. يمثل محرك التحكم العقل المدبر الذي يربط بين معطيات الحالة الحالية والوسائل المتاحة لتحقيق الغاية النهائية.

3.2 المشغلات (Operators) وشروط تطبيقها

يُعرَّف “المشغل” في نظام GPS بأنه الدالة الإجرائية الأساسية التي تنقل النظام من حالة معرفية معينة إلى حالة معرفية جديدة داخل فضاء المشكلة. المشغل ليس مجرد حركة عشوائية، بل هو إجراء هادف ومقيد بقوانين صارمة. يتطلب كل مشغل وجود “شروط قبلية” (Preconditions)؛ وهي مجموعة من المعايير والظروف الرمزية التي يجب أن تكون متحققة بالكامل في الحالة الراهنة لكي يُسمح للمشغل بالعمل والتأثير. على سبيل المثال، في لعبة الشطرنج، لا يمكن تطبيق مشغل “تحريك الفيل” إلا إذا كان المسار القطري خالياً من القطع المعيقة وكان الدور للاعب المعني.

إذا كانت الشروط القبلية لمشغل معين متوفرة في الحالة الحالية، يتم تنفيذه مباشرة، مما يؤدي إلى إحداث تغييرات بنيوية وحذف وإضافة رموز جديدة في توصيف الحالة داخل الذاكرة العاملة، وهو ما يُعرف بـ “التأثيرات والنتائج” (Effects/Add-Delete Lists). تنقل هذه العملية النظام فوراً إلى حالة وسيطة جديدة تكون أقرب (بحسب التقييم الاستكشافي) إلى الحالة الهدفية. تتراكم هذه التطبيقات المتسلسلة للمشغلات لتشكل في النهاية سلسلة الحل الإجرائي المكتمل.

تكمن العبقرية الهيكلية لنظام GPS في الكيفية التي يتعامل بها مع المواقف التي تفتقر فيها الحالة الحالية إلى الشروط القبلية لتطبيق المشغل المرغوب. في الأنظمة البسيطة، يؤدي عدم تحقق الشروط إلى رفض المشغل وإلغاء المسار؛ أما في نظام GPS، فإن عدم تحقق شرط قبلي لا يوقف العملية، بل يتحول الشرط غير المتحقق ذاته تلقائياً إلى “هدف فرعي جديد” (Subgoal) يتطلب من النظام إيجاد مشغلات فرعية لتحقيقه أولاً. هذه الآلية الارتدادية تمنح المشغلات طاقة ديناميكية فائقة وتجعلها المحرك الأساسي لتوليد السلوك المعقد والهادف.

3.3 آليات تقييم الفروق (Difference Evaluation)

لكي يتمكن نظام GPS من اتخاذ قرارات ذكية وموجهة بدلاً من البحث العشوائي، يعتمد على تقنية محورية تسمى “تقييم الفروق” (Difference Evaluation). تقتضي هذه الآلية مقارنة مستمرة ودقيقة بين التمثيل الرمزي للحالة الحالية والتمثيل الرمزي للحالة الهدفية المنشودة. ينتج عن هذه المقارنة استخراج قائمة تفصيلية بجميع “الفروق” (Differences) أو الفجوات البنيوية القائمة بين الوضعين (مثل: اختلاف في الموقع المكاني، اختلاف في الحجم، اختلاف في القيم المنطقية، أو غياب عنصر معين).

لا يتعامل النظام مع الفروق المستخرجة ككتلة واحدة متجانسة، بل يُخضعها لترتيب معياري صارم وفق مصفوفة للأولويات والأهمية المعرفية تُعرف باسم “جدول الروابط والتقييم” (Table of Connections). تُصنف الفروق من الأكثر خطورة وأهمية جوهرية إلى الفروق الهامشية أو الثانوية. يعكس هذا الترتيب الاستكشافي المنطق البشري السليم: يجب أولاً حل المشكلات الكبرى والمستعصية قبل الانشغال بالتفاصيل الدقيقة المرافقة (على سبيل المثال: عند التخطيط للسفر، يعد الحصول على وسيلة نقل بين مدينتين فرقاً ذا أولوية أعلى بكثير من شراء تذكرة مترو داخلية في المدينة المستهدفة).

بمجرد تحديد الفرق ذي الأولوية القصوى، يقوم النظام بفحص جدول الروابط لاستدعاء المشغل (أو مجموعة المشغلات) الأنسب والمصمم خصيصاً في قاعدة المعرفة لإلغاء هذا النوع المحدد من الفروق أو تقليص حدته. إذا نجح المشغل في إزالة الفرق الأكبر، ينتقل النظام إلى الفرق التالي في سلم الأولوية، وهكذا دواليك في حلقة تقييمية مستمرة حتى تتطابق الحالة الحالية كلياً مع الحالة الهدفية وتتلاشى جميع الفروق، معلناً بذلك اكتمال الحل.

4. المفهوم الجوهري لتحليل الوسائل والغايات (Means-Ends Analysis – MEA)

4.1 التعريف المعرفي لاستراتيجية تحليل الوسائل والغايات

تُعد استراتيجية تحليل الوسائل والغايات (Means-Ends Analysis – MEA) الابتكار الجوهري الأبرز الذي قدمه نيويل وسيمون للعلم المعرفي والذكاء الاصطناعي. تُعرف هذه الاستراتيجية بأنها آلية كشفية واستدلالية هادفة وموجهة نحو الغايات (Goal-Driven Heuristic Strategy)، تهدف إلى التحكم في فضاءات البحث الضخمة وتوجيهها عقلانياً عبر الربط المباشر والوظيفي بين الغايات المراد تحقيقها والوسائل (المشغلات) المتاحة في البيئة لتحقيق تلك الغايات.

تقوم الاستراتيجية على مبدأ فلسفي وإدراكي بسيط في جوهره، عميق في تطبيقاته: حل المشكلة لا يتأتى من خلال الاندفاع الأعمى للأمام من نقطة البداية (Forward Chaining) آملاً في الوصول إلى الهدف بالمصادفة، ولا من خلال الرجوع العشوائي من الهدف إلى الوراء، بل عبر الفحص الدائم للوضع الحالي في ضوء الهدف النهائي، واستكشاف “الفجوة” الإدراكية الفاصلة بينهما. تُحدد هذه الفجوة طبيعة المشكلة، ومن ثم يتم البحث حصرياً عن الوسائل الإجرائية التي تمتلك القدرة الوظيفية المباشرة على ردم هذه الفجوة أو تضييق اتساعها.

تتميز استراتيجية MEA بقدرتها الفائقة على الاقتصاد المعرفي؛ فهي تُجنِّب العقل أو البرنامج الغرق في متاهات ومسارات فرعية لا علاقة لها بالهدف النهائي، وتجعل كل خطوة يخطوها النظام مبررة وظيفياً بغاية واضحة. تُشكل هذه الاستراتيجية النموذج الأصيل للتفكير العقلاني التخطيطي لدى الإنسان عندما يتعامل مع مشكلات تتطلب مساراً متعدد الخطوات ومحكوم بقيود دقيقة وشروط مسبقة.

4.2 آلية تقليص الفروق (Difference Reduction)

تشكل “آلية تقليص الفروق” (Difference Reduction) القلب النابض لاستراتيجية تحليل الوسائل والغايات. تعمل هذه الآلية عبر سلسلة متكررة من الحلقات الإجرائية التي تهدف إلى التدرج المستمر نحو الحالة الهدفية عبر تجزئة الفارق الكلي إلى فروق فرعية قابلة للحل الإجرائي المباشر. في كل دورة استدلالية، يُسائل النظام نفسه: “ما هو الفرق الرئيسي القائم الآن بين ما أملكه (الحالة الحالية) وما أريده (الهدف)؟ وما هو المشغل القادر على تقليص هذا الفرق؟”.

تتبع هذه الاستراتيجية في معظم الأحيان سلوك التدرج الصعودي أو “تسلق التل” (Hill-Climbing)، حيث يتم تفضيل الحركات التي تقرب النظام خطوة إضافية نحو الهدف وتقلل المسافة الإدراكية المحسوبة. ومع ذلك، يتميز تحليل الوسائل والغايات بنضج معرفي يفوق أسلوب تسلق التل البسيط، إذ يستطيع التعامل مع المعضلة الكلاسيكية المعروفة بـ “معضلة الابتعاد المؤقت عن الهدف” (Detour Problem or Local Maxima). في العديد من المشكلات الحقيقية، لا يمكن الوصول إلى الحل عبر التقدم المباشر فقط، بل يقتضي الأمر أحياناً اتخاذ خطوات تزيد من الفروق ظاهرياً أو تبدو وكأنها ابتعاد عن الهدف الرئيسي، وذلك لإزالة عائق بنيوي يمنع التقدم النهائي.

يتجاوز نظام MEA هذا الفخ المعرفي بفضل قدرته على إدراك أن “الابتعاد المؤقت” ليس انحرافاً عشوائياً، بل هو استجابة لضرورة تحقيق هدف فرعي وسيط (مثل إفساح الطريق لحركة رئيسية). تتيح هذه المرونة للاستراتيجية تفكيك المسائل المعقدة التي تعجز عنها خوارزميات التقريب الخطي الصارمة، محاكية في ذلك المرونة الإدراكية التي يظهرها التفكير البشري الراقي.

4.3 إنشاء وإدارة الأهداف الفرعية (Subgoaling)

يعد “توليد وإدارة الأهداف الفرعية” (Subgoaling) الآلية الأكثر ذكاءً وأناقة في بنية تحليل الوسائل والغايات، وهي السمة التي منحت نظام GPS صفته التوليدية والاستدعائية الذاتية (Recursive Nature). تبرز الحاجة إلى الأهداف الفرعية عندما يحدد النظام الفرق الرئيسي، ويختار المشغل المناسب لإلغائه، ولكنه يكتشف عند محاولة التطبيق أن الشروط القبلية لتنفيذ هذا المشغل غير مستوفاة في الحالة الراهنة.

في هذه اللحظة الإدراكية الفارقة، لا يقوم النظام بالتخلي عن المشغل، بل يقوم بإنشاء “هدف فرعي” جديد يُعرَّف بأنه: “تعديل الحالة الراهنة بحيث تصبح الشروط القبلية للمشغل المرغوب مستوفاة”. يتم تعليق الهدف الرئيسي مؤقتاً ووضعه في مكدس الذاكرة العاملة (Goal Stack)، ويتحول الهدف الفرعي إلى بؤرة التركيز النشطة للنظام. يُطبق النظام بعد ذلك نفس استراتيجية MEA لحل الهدف الفرعي: قياس الفروق، اختيار المشغلات المناسبة للهدف الفرعي، وإذا كانت شروط تلك المشغلات الفرعية غير متوفرة أيضاً، يُنشئ النظام أهدافاً فرعية للأهداف الفرعية، متوغلاً في مستويات هرمية أعمق من التجريد.

تستمر هذه العملية التوليدية الهرمية حتى يصل النظام إلى مستوى تتوفر فيه الشروط القبلية لمشغل ما مباشرة في الحالة الراهنة. يتم تنفيذ هذا المشغل، مما يؤدي إلى تحقيق الهدف الفرعي الأدنى في الشجرة، وعندها يُلغى تنشيط هذا الهدف ويُزال من مكدس الذاكرة، ليعود النظام خطوة إلى الوراء نحو المستوى الأعلى لتنفيذ المشغل التالي. تتكرر هذه الدورة التراجعية التصاعدية حتى تُحل كافة الأهداف الفرعية وتُطبق المشغلات الأساسية وصولاً إلى إنجاز الهدف الرئيسي الأصلي بنجاح تام.

5. المنهجية التجريبية لنيويل وسيمون: تحليل بروتوكول التفكير بصوت عالٍ

5.1 بروتوكولات التفكير بصوت عالٍ (Think-Aloud Protocols)

واجه نيويل وسيمون تحدياً إبستيمولوجياً ومنهجياً هائلاً في دراسة العمليات المعرفية: كيف يمكن للباحث العلمي مراقبة وتوثيق العمليات العقلية الداخلية التي تجري داخل الدماغ البشري بدقة وموضوعية دون تشويهها؟ لم تكن المقاريس السلوكية الخارجية المجردة (مثل زمن الرجع ومعدل الأخطاء) كافية للكشف عن المسارات والخطوات الاستدلالية الدقيقة؛ ومن جهة أخرى، كان “الاستبطان الكلاسيكي” (Classical Introspection) الذي استخدمه فيلهلم فونت وتيتشنر معيباً علمياً لأنه تطلب من المشاركين تحليل مشاعرهم وعملياتهم التأملية بعد وقوعها، مما يفتح الباب واسعاً للتحيزات التذكرية والتبريرية المنطقية البعدية (Rationalization).

تجاوز نيويل وسيمون هذه المعضلة بتطوير منهجية تجريبية صارمة تُعرف بـ “بروتوكولات التفكير بصوت عالٍ” (Think-Aloud Protocols) بالتعاون مع ك. أندرس إريكسون. تمثلت هذه المنهجية في مطالبة المشاركين التجريبيين بالنطق اللفظي الصريح والمستمر لكل فكرة أو فرضية أو خطوة تخطر ببالهم بشكل متزامن ولحظي أثناء انخراطهم الفعلي في حل المشكلة، مع التأكيد الصارم على المشارك بعدم “شرح” أو “تبرير” ما يفعله، بل مجرد إطلاق العنان لتدفق الأفكار كما هي. اعتبر الباحثان أن التقارير اللفظية المتزامنة تعكس مباشرة الحالات المعرفية النشطة والمخزنة مؤقتاً في الذاكرة العاملة (Working Memory) دون أن تمر بمرحلة الفلترة أو إعادة البناء التأملي.

تم تسجيل هذه الجلسات التجريبية بالصوت والصورة، وتفريغ الكلمات والتوقفات الزمنية والتنهدات والتصحيحات الذاتية بدقة متناهية، لتتحول تلك النصوص الخام إلى بيانات تجريبية وسلوكية بالغة الثراء توثق كل انتباه، واختيار، وتراجع، وانتقال إدراكي قام به المشارك أثناء رحلة البحث داخل فضاء المشكلة.

5.2 تحويل البيانات اللفظية إلى مخططات سلوكية للحالات (PBGs)

لم تتوقف منهجية نيويل وسيمون عند جمع النصوص اللفظية، بل ابتكر العالمان أسلوباً علمياً ورياضياً دقيقاً لتحويل هذه البيانات النصية غير المنظمة إلى بنى شكلية ومخططات قابلة للتحليل والمقارنة الحسابية، وهو ما عُرف بـ “مخطط سلوك المشكلة” (Problem Behavior Graph – PBG). يمثل هذا المخطط رسماً بيانياً متسلسلاً يتتبع بدقة متناهية المسار الزمني والمنطقي لحركات المفحوص عبر فضاء المشكلة، حيث تُمثَّل كل عقدة (Node) في المخطط بالحالة المعرفية المحددة التي يمتلكها المشارك في لحظة زمنية معينة، بينما تُمثِّل الروابط المتجهة بين العقد تطبيقاً لمشغل معين أو خطوة استدلالية ملموسة.

يوضح مخطط PBG بوضوح ديناميكية البحث الإنساني: متى يتقدم المفحوص للأمام بتطبيق مشغل جديد، ومتى يواجه انسداداً إدراكياً يدفعه للتراجع (Backtracking) إلى عقدة سابقة في الشجرة، ومتى ينشئ هدفاً فرعياً جديداً لمعالجة عائق طارئ. يتيح هذا التمثيل البنيوي للباحثين تفكيك بنية الأداء العقلي المعقد وتحويله إلى نسق من الحالات والعمليات الصريحة القابلة للقياس الكمي والنوعي بدقة فائقة.

تتمثل الخطوة المنهجية الحاسمة في إجراء مقارنة ميكرو-تحليلية (Micro-analysis) خطوة بخطوة بين مخطط سلوك المشكلة المستخرج من الإنسان (PBG) ومسار التنفيذ الناتج عن برنامج محاكاة حلّال المشكلات العام (GPS) عند إعطائه نفس المشكلة ونفس الشروط البدائية. إذا أظهر النظام الحاسوبي نفس تسلسل الحالات، ونفس خيارات المشغلات، ونفس نقاط التراجع والتردد، اعتُبر ذلك برهاناً علمياً ساطعاً على أن النموذج الحاسوبي يمثل محاكاة حقيقية ووفية للبنية الإدراكية الإنسانية الحية.

5.3 المصداقية العلمية وصلاحية المنهج المعرفي

أثارت منهجية بروتوكولات التفكير بصوت عالٍ في بداياتها جدلاً أكاديمياً واسعاً حول صدقها وثباتها ومدى تأثيرها على الظاهرة المقاسة. تركزت الاعتراضات الرئيسية حول ما إذا كانت عملية النطق الصوتي المتزامن تفرض “عبئاً إدراكياً إضافياً” قد يغير من طبيعة التفكير ذاته، أو يبطئ سرعته، أو يشوه مساره الطبيعي مقارنة بالتفكير الصامت. دافع نيويل وسيمون، ولاحقاً إريكسون وسيمون في كتابهما المرجعي Protocol Analysis: Verbal Reports as Data (1984)، عن المنهجية عبر إجراء دراسات تجريبية مقارنة دقيقة أثبتت أن التفكير بصوت عالٍ قد يؤدي بالفعل إلى إبطاء وتيرة الأداء بنسبة طفيفة، ولكنه لا يغير من التسلسل البنيوي للعمليات العقلية ولا يبدل استراتيجيات البحث المتبعة ما دام المشارك لا يُطلب منه تقديم تفسيرات فوق-معرفية مجهدة.

أرسى هذا الدفاع معايير تجريبية صارمة للتحقق من صدق وموثوقية تحليل البروتوكولات اللفظية، شملت: تقنين إجراءات التسجيل، واستخدام محكمين مستقلين لترميز النصوص اللفظية، وحساب معاملات الاتفاق بين المرمزين (Inter-rater reliability)، واختبار حساسية النماذج لتغيرات المعطيات البدائية للمشكلات. وقد ضمنت هذه المعايير تحويل التقارير اللفظية من مجرد انطباعات ذاتية إلى بيانات علمية رصينة وذات مصداقية عالية في مجتمع العلوم السلوكية والمعرفية.

بفضل هذا التأصيل المنهجي، بات تحليل البروتوكولات اللفظية حجر الزاوية في دراسات التفكير وحل المشكلات، وأسس لمعيار علمي جديد يفرض على النظريات المعرفية تقديم تفسيرات دقيقة للخطوات المجهرية للأداء، بدلاً من الاكتفاء بالعموميات التفسيرية، مما جعل من إرث نيويل وسيمون نموذجاً يحتذى به في الصرامة المنهجية.

6. التطبيقات الكلاسيكية لحلّال المشكلات العام (GPS)

6.1 مشكلة برج هانوي (Tower of Hanoi)

تُعد مشكلة برج هانوي (Tower of Hanoi) النموذج التجريبي والمعرفي الأكثر شهرة وتطبيقاً لاختبار قدرات نظام GPS وتحليل الوسائل والغايات؛ نظراً لطبيعتها البنيوية المغلقة وقواعدها الصارمة التي تسهل صياغتها داخل فضاء مشكلة محدد بدقة. تتكون المسألة في شكلها القياسي من ثلاثة أوتاد ومجموعة من الأقراص ذات الأحجام المتدرجة، والهدف هو نقل كامل برج الأقراص من الوتد الأولي (أ) إلى الوتد الهدف (ج) باستخدام الوتد الوسيط (ب)، مع الالتزام بقيدين أساسيين: لا يجوز تحريك سوى قرص واحد في كل خطوة، ولا يجوز نهائياً وضع قرص أكبر حجماً فوق قرص أصغر منه.

عند تمثيل هذه المشكلة داخل نظام GPS، يتم تعريف المشغل الأساسي بـ Move(Disk, From_Peg, To_Peg). غير أن هذا المشغل محكوم بشروط قبلية حاسمة: يجب أن يكون القرص المراد نقله هو القرص العلوي الخالي على وتده الحالي، ويجب أن يكون الوتد المستهدف إما فارغاً أو يحتوي على قرص أكبر من القرص المنقول. تبرز عبقرية تحليل الوسائل والغايات عندما يريد النظام نقل القرص الأكبر (القاعدة) مباشرة من الوتد (أ) إلى الوتد (ج) لإلغاء الفرق الأكبر، فيجد أن الشرط القبلي غير متحقق لأن هناك أقراصاً أصغر تعلوه، ولأن الوتد (ج) غير مهيأ.

هنا يقوم نظام GPS بتوليد سلسلة هرمية متراكبة من الأهداف الفرعية: لنقل القرص الكبير، يجب أولاً إخلاء الأقراص التي تعلوه، ولإخلائها يجب نقل القرص الأصغر إلى الوتد البديل، وهكذا دواليك. أظهرت نتائج المحاكاة الحاسوبية تطابقاً مذهلاً وكاملاً بين تسلسل توليد الأهداف الفرعية وحركات التراجع التي ينفذها نظام GPS والمسارات العقلية والخطوات السلوكية التي سجلها المشاركون البشريون في مختبرات علم النفس المعرفي، مما أثبت قدرة استراتيجية MEA على تفسير التفكير التخطيطي البشري في المشكلات الهرمية.

6.2 مسائل الحساب اللفظي وتشفير الرموز (Cryptarithmetic)

تمثل مسائل الحساب اللفظي وتشفير الرموز (Cryptarithmetic Problems) حقلاً كلاسيكياً بارزاً طبّق فيه نيويل وسيمون نموذج GPS لتحليل الاستدلال المنطقي والاستكشافي؛ ومن أشهر هذه المسائل المعضلة الشهيرة: DONALD + GERALD = ROBERT، مع إعطاء معلومة أولية تفيد بأن D = 5. تقتضي المشكلة استبدال كل حرف برقم فريد من (0 إلى 9) بحيث تصبح المعادلة الحسابية الرياضية صحيحة مع الالتزام بقواعد الجمع والترحيل (Carrying).

يتسم فضاء المشكلة في الحساب اللفظي بضخامته الهائلة إذا ما قورب بالبحث العشوائي، حيث توجد ملايين التباديل الممكنة لتوزيع الأرقام على الحروف العشرة. غير أن نظام GPS، محاكياً في ذلك التفكير البشري، لا يلجأ أبداً للتوليد العشوائي، بل يطبق استراتيجية MEA عبر تحديد الفروق واستخراج القيود الرياضية الأكثر وضوحاً لتوليد أهداف فرعية متتابعة. على سبيل المثال: بما أن D = 5، فإن جمع العمود الأيمن D + D = T يؤدي فوراً إلى تحديد أن 5 + 5 = 10، ومن ثم فإن T = 0 مع ترحيل الرقم 1 إلى العمود التالي.

يدير النظام هذا الاستدلال المعقد عبر شجرة من الفرضيات المنطقية؛ فإذا قاد افتراض رقم لحرف معين إلى تناقض حسابي لاحق (مثل الحاجة إلى إعطاء نفس الرقم لحرفين مختلفين)، يقوم النظام بعملية تراجع فوري (Backtracking) في شجرة البحث إلى نقطة الاختيار السابقة، وإلغاء الاستنتاجات المترتبة، وتجربة الفرضية البديلة التالية. تطابق هذا السلوك الاستكشافي المنظم مع التقارير اللفظية للمفحوصين البشريين، كاشفاً كيف يستطيع الإنسان تجاوز الضخامة التركيبية للمسائل عبر إدارته الحذرة للقيود وتوليده الذكي للأهداف الاستدلالية.

6.3 إثبات النظريات في المنطق الصوري وقضايا الفلسفة المنطقية

شكّل ميدان إثبات النظريات في المنطق الصوري (Formal Logic Theorem Proving) نقطة الانطلاق الأولى التي تبلورت فيها أفكار نيويل وسيمون، ومثّل الاختبار الأكثر صرامة لكفاءة نظام حلّال المشكلات العام واستراتيجية تحليل الوسائل والغايات. واجه النظام مهمة اشتقاق وإثبات المبرهنات المنطقية المعقدة من خلال البدء بمجموعة من البديهيات والمسلمات الأساسية، وتطبيق قواعد الاستنتاج والتحويل الصوري الصارمة (مثل: قاعدة القياس المنطقي، وقوانين دي مورغان، وقواعد الاستبدال والتوزيع).

في المنطق الصوري، يُمثَّل الفرق بين الحالة الراهنة (البديهيات المعطاة) والحالة الهدفية (المبرهنة المطلوب إثباتها) في صورة تباينات في الصيغ التركيبية للقضايا (مثل وجود روابط منطقية مختلفة: الوصل، الفصل، الشرط، أو اختلاف في تموضع المتغيرات والحدود). يقوم نظام GPS بفحص جدول الروابط المنطقية لاختيار قاعدة التحويل المناسبة القادرة على تعديل الروابط المستهدفة؛ وإذا تطلب تطبيق قاعدة معينة تحويل القضية الحالية إلى شكل وسيط محدد، يُنشئ النظام هدفاً فرعياً لتحقيق هذا الشكل الوسيط أولاً.

نجح نظام GPS في إعادة إثبات العديد من مبرهنات المنطق الرياضي الكلاسيكي بكفاءة مذهلة، مبرهناً على أن استراتيجية تحليل الوسائل والغايات ليست مجرد خوارزمية مخصصة للألعاب والألغاز البسيطة، بل هي آلية معرفية تجريدية عامة قادرة على العمل بكفاءة عالية داخل النظم الرمزية الصورية ذات المستويات العليا من التعقيد والتجريد الرياضي والفلسفي.

7. الآليات النفسية والإدراكية المرتبطة بتحليل الوسائل والغايات

7.1 سعة الذاكرة العاملة والعبء المعرفي أثناء التفكير

يرتبط تطبيق استراتيجية تحليل الوسائل والغايات بارتباطات إدراكية وثيقة مع البنية المعمارية للذاكرة البشرية، وعلى وجه الخصوص الذاكرة العاملة (Working Memory). تتطلب استراتيجية MEA جهداً إدراكياً مكثفاً؛ إذ يجب على المفكر في كل لحظة الاحتفاظ بالهدف النهائي في بؤرة الوعي، وتحديد الفروق الراهنة، وتوليد الأهداف الفرعية، وتتبع الشروط القبلية للمشغلات، وحفظ نقطة التراجع في حال الفشل. يؤدي هذا التراكم الهرمي في شجرة الأهداف الفرعية إلى فرض ضغط هائل واستهلاك سريع للسعة التخزينية والمعالجة المحدودة للذاكرة العاملة.

في ضوء “نظرية العبء المعرفي” (Cognitive Load Theory) التي طورها جون سويلر (John Sweller)، تفرض استراتيجية تحليل الوسائل والغايات ما يُعرف بـ “العبء المعرفي الدخيل أو الثقيل” (Extraneous Cognitive Load) على المبتدئين. فعندما يفتقر الفرد إلى مخططات معرفية جاهزة ومخزنة في الذاكرة طويلة المدى، يضطر إلى تخصيص كافة موارده الذهنية لإدارة متطلبات البحث الكشفي وتقليص الفروق، مما قد يستنزف طاقته العقلية ويحول دون تركيزه على استخلاص المبادئ البنيوية العميقة للمشكلة، وهو ما يفسر لماذا قد ينجح المتعلم في حل مسألة باستخدام MEA ولكنه يعجز عن تذكر المبدأ العام لاحقاً.

لمواجهة هذا التحدي وتفادي التلاشي السريع للمعلومات أثناء المعالجة المعقدة، يوظف العقل البشري استراتيجيات تخفيفية ذكية؛ من بينها استخدام الوسائط المادية الخارجية (مثل الورقة والقلم لتسجيل الحالات والأهداف الفرعية)، أو الاعتماد على التثبيت البصري للبيئة، أو تقليص عمق شجرة الأهداف والتركيز على أفق زمني قصير (Local Subgoaling)، مما يقلل من احتمالية الانهيار الإدراكي الناتج عن تجاوز سعة المعالجة المتاحة.

7.2 الاستدلال الاستكشافي (Heuristics) مقابل الخوارزميات (Algorithms)

يحتل التمييز الصارم بين “الخوارزميات” (Algorithms) و”الاستدلالات الاستكشافية الكشفية” (Heuristics) مكانة مركزية في الأطر النظرية لنيويل وسيمون. الخوارزمية هي إجراء حسابي أو منطقي صارم ومكتمل يضمن الوصول الحتمي إلى الحل الصحيح أو الأمثل للمشكلة إذا تم تنفيذه بدقة دون أخطاء (مثل خوارزميات القسمة المطولة، أو استقصاء كافة احتمالات رقعة الشطرنج). غير أن الطبيعة البشرية تواجه معضلة جذرية تتمثل في “العقلانية المقيدة” (Bounded Rationality)؛ حيث يستحيل تطبيق الخوارزميات الشاملة في معظم مشكلات الحياة الواقعية بسبب الضخامة الحسابية الفائقة ومحدودية الوقت والموارد الذهنية.

هنا يبرز دور الاستدلال الاستكشافي، الذي يُعرَّف بأنه “قاعدة تقريبية أو استراتيجية إدراكية ذكية” تُقلِّص فضاء البحث بشكل كبير من خلال التركيز على المسارات الواعدة وتجاهل الغالبية العظمى من الاحتمالات الأخرى. يوفر الاستدلال الكشفي كفاءة واقتصاداً معرفياً هائلاً يتيح اتخاذ القرارات وحل المعضلات المعقدة في زمن وجيز وبجهد ذهني معقول. استراتيجية تحليل الوسائل والغايات هي تجسيد مثالي لهذا الاستدلال الكشفي الذكي.

ومع ذلك، فإن هذا الاقتصاد المعرفي ينطوي على ثمن؛ فالكشفيات لا تضمن الوصول إلى الحل الأمثل حتمياً، بل قد تقود في بعض الأحيان إلى مسارات مسدودة أو حلول دون المثالية، أو توقع العقل في مصائد إدراكية ونقاط عمياء (Cognitive Biases) نتيجة الإفراط في تقليص الفروق وتجاهل الحلول غير المباشرة. يمثل التفكير البشري توازناً دقيقاً وديناميكياً بين السرعة الإدراكية التي توفرها الكشفيات والضمان المنطقي الذي تقدمه الخوارزميات.

7.3 الجمود الوظيفي (Functional Fixedness) وعوائق الحل

على الرغم من القوة المنهجية لتحليل الوسائل والغايات، إلا أن هذه الاستراتيجية قد تصطدم بعوائق سيكولوجية وإدراكية عميقة الجذور، وفي مقدمتها ظاهرة “الجمود الوظيفي” (Functional Fixedness) والجمود الذهني (Mental Set/Einstellung Effect). تعبر هذه الظاهرة عن ميل الإنسان إلى إدراك وتوظيف الأشياء والمشغلات وفق استخداماتها التقليدية والمألوفة فقط، والعجز عن رؤية الخصائص والوظائف البديلة المبتكرة التي يمكن أن تخدم أهدافاً جديدة.

في سياق فضاء المشكلة، يؤدي الجمود الوظيفي إلى تضييق مصطنع وغير مبرر في تعريف “المشغلات المتاحة”؛ حيث يُقيد المفكر توصيف المشغل في حدود ضيقة تمنعه من مطابقته مع الفروق الراهنة. على سبيل المثال، في معضلة الشمعة الشهيرة لكارل دونكر (Duncker’s Candle Problem)، ينظر المفحوص إلى علبة الدبابيس كمجرد “وعاء لحفظ الدبابيس” (استخدام تقليدي) بدلاً من رؤيتها كـ “منصة حاملة للشمعة” (مشغل غير تقليدي)، مما يجعل تطبيق استراتيجية MEA يدور في حلقة مفرغة لعدم العثور على مشغل يردم الفجوة بين الشمعة والجدار.

يتطلب تجاوز هذا الجمود المعرفي عملية “إعادة هيكلة فضاء المشكلة” (Problem Space Restructuring) أو حدوث “الاستبصار” (Insight)؛ وهي لحظة إدراكية يُعاد فيها تمثيل معطيات المشكلة وتجريد المشغلات من أسمائها السطحية إلى خصائصها الفيزيائية الصرفة (مثل تحويل “علبة كبريت” إلى “جسم مسطح صلب يمكن تثبيته”). تُظهر هذه الديناميكية أن كفاءة تحليل الوسائل والغايات ليست معزولة، بل تتوقف بصورة حرجة على المرونة المعرفية في تمثيل المعطيات وتوسيع أفق المشغلات الصالحة للاستخدام.

8. الفروق المعرفية بين المبتدئين والخبراء في ضوء نموذج نيويل وسيمون

8.1 طبيعة التمثيل العقلي للمشكلات

فتحت أبحاث نيويل وسيمون، وما تلاها من دراسات رائدة قادتها ميشيلين تشي (Michelene Chi) وزملاؤها، الباب لفهم علمي عميق للفروق المعرفية الجوهرية بين “المبتدئين” (Novices) و”الخبراء” (Experts) في حل المشكلات المعقدة. يتمثل الفارق الأساسي والأكثر حسماً في “طبيعة التمثيل العقلي” الذي يبنيه كل منهما للمشكلة عند قراءتها للمرة الأولى، والذي يُحدد بدوره شكل ونطاق فضاء المشكلة الذي سيجري البحث فيه.

يميل المبتدئون إلى بناء تمثيلاتهم العقلية بالاعتماد على “السمات السطحية والظاهرية” للمشكلة (Surface Features)؛ ففي المسائل الفيزيائية على سبيل المثال، يصنف المبتدئ المشكلات بناءً على وجود ألفاظ مثل “الكتل المنزلقة على السطوح المائلة” أو “النوابض والزنبركات” أو “البكرات الدوارة”. يقود هذا التمثيل السطحي إلى بناء فضاء مشكلة غير منظم، يتطلب استدعاءً عشوائياً للقوانين الرياضية وتخميناً غير موجه للمشغلات المناسبة، مما يضاعف الجهد الإدراكي ويزيد من احتمالية الفشل.

في المقابل، يبني الخبراء تمثيلاتهم العقلية بالاستناد إلى “المبادئ والقوانين البنيوية العميقة” (Deep Structural Principles) الحاكمة للمجال، مثل مبدأ “حفظ الطاقة”، أو “قانون نيوتن الثاني”، أو “مبدأ توازن القوى”، بصرف النظر عن المظاهر السطحية للمسألة. يتيح هذا التمثيل العميق للخبير إعادة صياغة المشكلة فوراً في صورة مجردة وواضحة، مما يقلص فضاء البحث بصورة دراماتيكية، ويوجه النظام الإدراكي مباشرة نحو المشغلات الحاسمة والقوانين التوليدية ذات الصلة، محولاً المشكلة المعقدة إلى مسار حل منظم وسلس.

8.2 اتجاه الاستدلال: الاستدلال للأمام مقابل الاستدلال للخلف

كشفت الدراسات المعرفية المعمقة في تحليل مسارات حل المشكلات عن فارق لافت واستراتيجي في “اتجاه حركة الاستدلال” عبر فضاء المشكلة بين المبتدئين والخبراء. يوضح الجدول التالي مقارنة تفصيلية بين أسلوبي الاستدلال والخصائص الإدراكية المصاحبة لكل منهما:

وجه المقارنة	المبتدئون (Novices)	الخبراء (Experts)
اتجاه الاستدلال	الاستدلال للخلف (Backward Reasoning / MEA)	الاستدلال للأمام (Forward Reasoning / Data-Driven)
نقطة الانطلاق	التركيز الصارم على الهدف النهائي وتفكيكه	الانطلاق من المعطيات المتاحة وتوليد الاستنتاجات
الآلية المعرفية المهيمنة	توليد الأهداف الفرعية وتقليص الفروق	التعرف التلقائي على الأنماط واسترجاع المخططات
العبء على الذاكرة العاملة	مرتفع جداً نتيجة تراكم الأهداف في المكدس	منخفض ومقتصد بفضل الأتمتة الإدراكية
طبيعة فضاء المشكلة	مفتوح، مليء بالمسارات التجريبية والتراجع	محدد بدقة وموجه نحو مسار الحل الصحيح مباشرة

يلجأ المبتدئون بصورة شبه حتمية إلى استراتيجية تحليل الوسائل والغايات والعمل للخلف (Backward Reasoning)؛ حيث يبدأ المبتدئ من المطلوب والهدف النهائي، ويبحث عن معادلة تحتوي على هذا المجهول، فإذا وجد متغيرات غير معروفة في المعادلة، جعل منها أهدافاً فرعية جديدة، متراجعاً للخلف خطوة بخطوة نحو المعطيات. هذه الاستراتيجية هي الخيار الطبيعي والوحيد المتاح للعقل عندما يواجه مجالاً معرفياً يفتقر فيه إلى خبرة مسبقة كافية.

أما الخبراء، فيتبعون نمط “الاستدلال للأمام الموجه بالبيانات” (Forward Reasoning)؛ إذ ينطلق الخبير من المعطيات والمعلومات المتوفرة في المسألة، ويتحرك مباشرة للأمام مطبقاً العمليات الاستنتاجية المتتالية بسلاسة متناهية نحو الهدف، دون الحاجة إلى التوليد المجهد للأهداف الفرعية أو التراجع المستمر. ومع ذلك، يعود الخبير فوراً لتوظيف تحليل الوسائل والغايات والعمل للخلف عندما يواجه مشكلة غير مألوفة أو بالغة الصعوبة تخرج عن نطاق نماذجه المألوفة، مما يؤكد أن MEA تظل الشبكة الآمنة والاستراتيجية الاحتياطية للعقل البشري في مواجهة الغموض.

8.3 الأتمتة واسترجاع المخططات الذهنية (Schemas)

يرجع السر الجوهري في تفوق الخبراء وقدرتهم على الاستدلال السريع للأمام إلى امتلاكهم بنية معرفية منظمة وديناميكية تُعرف باسم “المخططات الذهنية” (Schemas) وتقنية “التجميع الإدراكي” (Chunking)، وهو المفهوم الذي صاغه هيربرت سيمون وويليام تشيس في دراساتهما الرائدة على لاعبي الشطرنج عام 1973. كشفت تلك الأبحاث أن أستاذ الشطرنج الكبير لا يتفوق على اللاعب الهاوي بقدرته على حساب ملايين النقلات في شجرة احتمالات أعمق، بل بامتلاكه مخزوناً هائلاً في الذاكرة طويلة المدى يحتوي على عشرات الآلاف من “الكتل الإدراكية” والتكوينات التكتيكية الجاهزة.

تدمج المخططة الذهنية لدى الخبير كلاً من التوصيف البنيوي للمشكلة، والمشغلات الملائمة لحلها، والتسلسل الإجرائي الدقيق للتنفيذ في وحدة معرفية متكاملة واحدة. عند مواجهة مشكلة جديدة، يتعرف الخبير فوراً على النمط البنيوي، ويسترجع المخططة المناسبة من الذاكرة طويلة المدى كحزمة واحدة، مما يؤدي إلى تجاوز مرحلة البحث الكشفي المضني وتقليص الفروق خطوة بخطوة.

علاوة على ذلك، تتحول خطوات المعالجة لدى الخبير بفضل التكرار والممارسة الموجهة من عمليات واعية تتطلب جهداً ذهنياً في الذاكرة العاملة إلى “أداء آلي مؤتمت” (Automated Performance) يجري بسرعة فائقة وبأقل قدر من العبء الإدراكي. يحرر هذا التحول النمائي سعة الذاكرة العاملة لدى الخبير، مما يمكنه من مراقبة مسار التفكير العام، والتكيف مع الطوارئ غير المتوقعة، وممارسة مهارات التفكير العليا وما وراء المعرفة بكفاءة واقتدار.

9. الحدود النظرية والانتقادات الموجهة لنموذج حلّال المشكلات العام

9.1 معضلة الانفجار التوليفي (Combinatorial Explosion)

على الرغم من النجاح النظري الباهر الذي حققه نموذج حلّال المشكلات العام (GPS) في البيئات التجريبية المنضبطة والمشكلات الصورية المصغرة، إلا أنه سرعان ما اصطدم بحائط مسدود عندما حاول الباحثون نقله لحل مشكلات العالم الحقيقي المعقدة، وتجسد هذا العائق في المعضلة الحاسوبية والرياضية الشهيرة المعروفة بـ “الانفجار التوليفي” (Combinatorial Explosion).

تنشأ هذه المعضلة عندما يزداد حجم فضاء المشكلة وعدد التفرعات المحتملة للمشغلات بشكل أُسي متسارع مع كل خطوة بحث إضافية. في المشكلات الواقعية واسعة النطاق (مثل التخطيط اللوجستي المعقد، أو تشخيص الأمراض المتداخلة، أو معالجة اللغة الطبيعية)، تبلغ شجرة الحالات الممكنة أرقاماً فلكية تجعل من استراتيجية تقليص الفروق العامة عاجزة بنيوياً عن تصفية المسارات غير المجدية بالسرعة المطلوبة. يتحول البرنامج في مثل هذه البيئات إلى استنزاف هائل لموارد الذاكرة ووقت المعالجة الحسابية في اختبار أهداف فرعية لا نهائية، مما يفقده قدرته على العمل الفعال.

أثبتت هذه المعضلة حقيقة معرفية حاسمة أدت لاحقاً إلى ظهور حركة “الأنظمة الخبيرة” (Expert Systems) في الذكاء الاصطناعي خلال سبعينيات القرن العشرين: الآليات الاستدلالية العامة المجردة وغير المرتبطة بمجال (Domain-General Methods) ليست كافية بمفردها لتوليد السلوك الذكي في المشكلات المعقدة؛ إذ لا مناص من تزويد النظام بـ “معرفة مكثفة ومتخصصة بالمجال” (Domain-Specific Knowledge) لتوجيه البحث وتقليم شجرة الاحتمالات بصرامة قبل تطبيق استراتيجيات الاستدلال العامة.

9.2 المشكلات غير محددة البنية (Ill-Defined Problems)

صُمم نظام GPS ليعمل باقتدار داخل بيئة تفترض أن المشكلات هي مشكلات “جيدة التحديد والبنية” (Well-Defined Problems)؛ وهي المشكلات التي تتميز بامتلاكها حالة ابتدائية واضحة ومصاغة بدقة، وحالة هدفية محددة المعالم بصورة لا لبس فيها، ومجموعة منتهية وصريحة من المشغلات والقواعد القانونية التي تحكم التحولات في فضاء المشكلة (مثل برج هانوي والشطرنج والمنطق الصوري).

غير أن الغالبية الساحقة من المشكلات الإنسانية والاجتماعية والإبداعية في الواقع هي “مشكلات غير محددة البنية” (Ill-Defined Problems)، مثل: كتابة رواية أدبية، أو صياغة سياسة اقتصادية لمكافحة التضخم، أو تحسين العلاقات الأسرية، أو تصميم مبنى معماري مبتكر. في هذه الأنماط من المشكلات، تكون الحالة الهدفية غامضة ومفتوحة على تفسيرات لا نهائية، والمعايير اللازمة للحكم على جودة الحل غير متفق عليها، والمشغلات المتاحة غير محددة بقواعد مسبقة وصارمة، وفضاء المشكلة نفسه يتغير ويتشكل ديناميكياً أثناء محاولة الحل.

يقف نظام GPS عاجزاً تماماً أمام هذه الفئة من المشكلات، نظراً لافتقاره إلى آليات الاستبصار الإبداعي (Creative Insight)، وعجزه عن “توليد المعنى”، وعدم قدرته على إعادة صياغة الإطار العام للمشكلة (Problem Reframing) في ضوء القيم والغايات غير المصرح بها رمزياً، مما يبرز الفجوة العميقة بين النماذج الرمزية الصورية والتعقيد المعاش للوجود الإنساني.

9.3 إغفال الجوانب الانفعالية والدوافع والسياق الاجتماعي

تعرض نموذج نيويل وسيمون لانتقادات راديكالية حادة من جانب علماء النفس الإنساني والتحليلي ومنظري “الإدراك المتجسد والواقعي” (Embodied and Situated Cognition). تمحور النقد حول “الاختزالية العقلانية الصارمة” التي تبناها النموذج، حيث تم تجريد العمليات الإدراكية والتفكيرية وعزلها كلياً عن الجسد، والانفعالات، والدوافع، والسياق الاجتماعي والتاريخي والثقافي الذي تتنزل فيه الممارسة الإنسانية.

أكدت أبحاث علم الأعصاب المعرفي الحديث، لاسيما أطروحات أنطونيو داماسيو في كتابه Descartes’ Error، أن العقل البشري لا يفكر كمعالج حاسوبي بارد ومجرد؛ فالانفعالات والمشاعر ليست تشويشاً على التفكير العقلاني، بل هي بوصلة بيولوجية وإدراكية لا غنى عنها لتوجيه القرارات وتقييم الأهداف واختيار البدائل عبر ما يُعرف بـ “العلامات الجسدية” (Somatic Markers). يؤثر القلق، والتوتر، والحافز الداخلي، والشغف بشكل جذري على سعة الذاكرة العاملة وعلى مسارات البحث في فضاء المشكلة، وهو ما تجاهله نموذج GPS تماماً.

علاوة على ذلك، أغفل النموذج الطبيعة “الموزعة والاجتماعية” للمعرفة؛ فالإنسان نادراً ما يحل المشكلات ككيان منعزل في فضاء رمزي مجرد، بل يتفاعل باستمرار مع أدوات بيئته المادية ومع أقرانه في سياقات تفاعلية تشاركية تُبنى فيها المعرفة اجتماعياً، مما جعل من نموذج GPS محاكاة لبعد واحد فقط من أبعاد التفكير الإنساني مع إغفال كينونته الحية والشاملة.

10. التطور المعرفي للنموذج: من GPS إلى البنى المعمارية المعرفية الحديثة

10.1 تطوير بنية سُوَر (SOAR Architecture) لنيويل

لم يتوقف المشروع الفكري لألين نيويل عند حدود نظام GPS والعيوب التي اعترته، بل كرس العقد الأخير من حياته لتطوير ما أسماه “نظريات الإدراك الموحدة” (Unified Theories of Cognition)، والتي تجسدت في البنية المعمارية المعرفية المتقدمة المعروفة بـ سُوَر (SOAR) بالتعاون مع جون ليرد (John Laird) وبول روزنبلوم (Paul Rosenbloom). صُممت SOAR لتكون بنية إدراكية شاملة وقادرة على دمج حل المشكلات، والتعلم، واللغة، والإدراك الحسي، والتحكم الحركي في نظام رمزي متكامل وموحد.

احتفظت SOAR بالمفاهيم المركزية لنموذج GPS، مثل العمل داخل فضاء المشكلة، والتمثيل الرمزي للحالات، وتطبيق المشغلات الهادفة؛ لكنها قدمت حلاً ثورياً لمعضلة الجمود والانفجار التوليفي عبر ابتكار “آلية حل الانسداد والتعلم بالكتل” (Impasse Resolution and Universal Chunking Mechanism). في بنية SOAR، إذا واجه النظام حالة انسداد معرفي (Impasse) ناتجة عن تعارض المشغلات أو نقص المعلومات، يقوم النظام تلقائياً بإنشاء “فضاء مشكلة فرعي” لمعالجة سبب الانسداد ذاته.

بمجرد أن ينجح النظام في حل الانسداد والوصول إلى قرار، تتدخل آلية “التكتيل” (Chunking) لتحويل مسار الحل والخطوات الاستدلالية الوسيطة إلى “قاعدة إنتاج جديدة” (Production Rule) تُخزَّن مباشرة في الذاكرة طويلة المدى. عندما يواجه النظام نفس الموقف أو موقفاً مشابهاً في المستقبل، تُستدعى هذه القاعدة المؤتمتة فوراً دون الحاجة إلى إعادة توليد الأهداف الفرعية أو البحث الكشفي المضني، محققة بذلك اندماجاً عبقرياً بين استراتيجيات حل المشكلات العامة وآليات التعلم التراكمي المستمر.

10.2 بنية ACT-R لجون أندرسون وتقاطعها مع إرث سيمون

على خط موازٍ ومتكامل مع إرث نيويل وسيمون، طوّر جون أندرسون (John R. Anderson) في جامعة كارنيغي ميلون البنية المعمارية المعرفية الشهيرة ACT-R (Adaptive Control of Thought – Rational)، والتي أصبحت الإطار الأكثر تأثيراً ومطابقة تجريبية في العلوم المعرفية المعاصرة. انطلقت ACT-R من المبادئ الجوهرية لمعالجة الرموز وتحليل الوسائل والغايات، لكنها قدمت صياغة رياضية ونفسية دقيقة للتكامل بين نوعين متميزين من المعرفة:

• المعرفة التقريرية (Declarative Knowledge): وتُمثَّل في صورة “كتل معرفية” (Chunks) تختزن الحقائق والمفاهيم والخبرات والمعلومات الساكنة.
• المعرفة الإجرائية (Procedural Knowledge): وتُمثَّل في صورة “قواعد إنتاج” (Production Rules) بصيغة (شرط-فعل / IF-THEN) مسؤولة عن تطبيق المشغلات وتوجيه السلوك.

تتميز ACT-R بآلية “التنشيط الاحتمالي والديناميكي” (Sub-symbolic Activation)؛ حيث تخضع الكتل والقواعد لحسابات رياضية تحاكي مبادئ الاقتصاد المعرفي لسيمون والبيولوجيا العصبية للدماغ، معتمدة على درجة حداثة وتكرار استخدام المعلومة في البيئة. كما تمتلك البنية موديولاً خاصاً للأهداف (Goal Module) يدير بنية الأهداف الفرعية وتقليص الفروق بكفاءة فائقة ومقيدة بحدود المعالجة الحيوية.

حققت ACT-R نجاحاً غير مسبوق في مطابقة البيانات السلوكية للإنسان في التعلم وحل المشكلات المعقدة، وتوسعت لتفسير وتوقع بيانات التصوير العصبي الوظيفي ورسم خرائط النشاط الدماغي (fMRI) أثناء انخراط المفحوصين في خطوات الاستدلال وحل المسائل الرياضية، مما شكل جسراً متيناً يربط بين الذكاء الرمزي لنيويل وسيمون وعلم الأعصاب الإدراكي الحديث.

10.3 النماذج الهجينة المعاصرة في العلوم المعرفية والذكاء الاصطناعي

يشهد المشهد المعاصر في الذكاء الاصطناعي والعلوم المعرفية بعثاً جديداً وتجديداً عميقاً لمبادئ حلّال المشكلات العام وتحليل الوسائل والغايات، عبر ظهور ما يُعرف بـ “النماذج الهجينة العصبية-الرمزية” (Neuro-Symbolic Hybrid AI). فبعد عقود من التنافس الحاد بين التيار الرمزي (Symbolic) والتيار الاتصالي الترابطي وشبكات التعلم العميق (Connectionist/Deep Learning)، أدرك المجتمع العلمي القيود الجوهرية للنماذج العصبية الصرفة، لاسيما افتقارها إلى القدرة على التفسير العقلاني (Explainability)، وهشاشتها في التخطيط المنطقي المتعدد الخطوات، وعجزها عن التعميم الصارم خارج بيانات التدريب.

تدمج النماذج الهجينة الحديثة قدرة الشبكات العصبية العميقة الفائقة على التعرف على الأنماط الإدراكية ومعالجة البيانات الحسية غير المهيكلة (الرؤية واللغة)، مع البنى المعمارية الرمزية لنيويل وسيمون المسؤولة عن التخطيط الهرمي، والتحكم في فضاء المشكلة، والاستدلال عبر تحليل الوسائل والغايات. وقد تجسد هذا الاندماج في أنظمة التخطيط الآلي المعاصر (Automated Planning Systems)، وأنظمة الذكاء الاصطناعي التفسيري (Explainable AI – XAI)، حيث يُطلب من النموذج تقديم مسار خطوة-بخطوة يبرر قراراته الاستدلالية بلغة رمزية واضحة ومفهومة للإنسان.

تثبت هذه التطورات أن المنطق المعرفي لـ GPS لم يكن مرحلة تاريخية عابرة ومتقادمة، بل هو حجر زاوية نظري ومفاهيمي لا غنى عنه لبناء أنظمة ذكاء اصطناعي تتسم بالأمان، والموثوقية، والقدرة على التفكير التخطيطي الحقيقي الذي يحاكي أرقى مستويات العقل البشري.

11. التطبيقات التربوية والإكلينيكية لتحليل الوسائل والغايات

11.1 تعليم مهارات التفكير وما وراء المعرفة (Metacognition)

تركت استراتيجية تحليل الوسائل والغايات أثراً عميقاً وممتداً في الفكر التربوي الحديث وتصميم المناهج التعليمية، حيث شكلت الأساس العلمي لتطوير برامج “تعليم مهارات التفكير” وتنمية القدرات فوق المعرفية (Metacognition) لدى الطلاب والباحثين. تقوم الفلسفة التربوية المستمدة من هذا النموذج على نزع الغموض والسحر عن مفهوم “التفكير الإبداعي وحل المشكلات”، وتحويله إلى منظومة من الاستراتيجيات الكشفية الصريحة والقابلة للتدريب والممارسة المنهجية داخل الفصول الدراسية.

يُدرب الطلاب من خلال هذه المقاربة على تجنب الاندفاع السطحي والمحاولات العشوائية عند مواجهة المسائل العلمية والرياضية والهندسية المعقدة، وبدلاً من ذلك، يتم تعليمهم كيفية تفكيك المشكلة الكبرى بشكل هرمي ومنظم إلى سلسلة متدرجة من “الأهداف الفرعية” متناهية الصغر والقابلة للحل. تشمل العملية تدريب الطالب على ممارسة المراقبة الذاتية الصارمة (Self-Monitoring) عبر طرح الأسئلة المعرفية الموجهة: “أين أقف الآن؟”، “ما هي الحالة المستهدفة؟”، “ما هي الفجوة النوعية الفاصلة بينهما؟”، و”ما هي الأدوات والقوانين المتاحة التي تقلص هذه الفجوة دون إحداث فوضى في المعطيات الأخرى؟”.

علاوة على ذلك، تسهم “النمذجة الصريحة لخطوات التفكير” (Explicit Modeling) من قِبل المعلم، عبر التفكير بصوت عالٍ أمام الطلاب أثناء مواجهة مسألة غير مألوفة، في الكشف عن العمليات الذهنية الخفية، وتوضيح كيفية إدارة مساحات الشك، والتعامل المرن مع حالات الانسداد والتراجع المنطقي عند الخطأ، مما يسهم في بناء عقلية علمية رصينة تتسم بالمرونة والمثابرة المعرفية.

11.2 تصميم التدريس ونظرية الأمثلة المحلولة (Worked Examples)

أحدثت أبحاث الذاكرة وحل المشكلات المستندة إلى إرث سيمون ثورة حقيقية في نظرية التصميم التعليمي (Instructional Design)، وتحديداً من خلال أبحاث جون سويلر حول “تأثير الأمثلة المحلولة” (Worked-Example Effect). كشفت هذه الأبحاث عن مفارقة تعليمية مذهلة: إجبار الطلاب المبتدئين في المراحل الأولى من التعلم على حل المسائل المعقدة بالاعتماد الحصري على البحث المفتوح واستراتيجية تحليل الوسائل والغايات (MEA) يؤدي في كثير من الأحيان إلى نتائج تعليمية عكسية وضعيفة.

يُعزى هذا القصور إلى أن استراتيجية MEA تستهلك كامل سعة الذاكرة العاملة للمبتدئ في إدارة الأهداف الفرعية وتقليص الفروق اللحظية، مما لا يترك أي فائض من الموارد الذهنية لبناء وتخزين “المخططات الذهنية العامة” (Schemas) في الذاكرة طويلة المدى. ولمعالجة هذه المعضلة، نصت نظرية العبء المعرفي على ضرورة تدريس المبتدئين عبر “الأمثلة المحلولة تفصيلياً خطوة بخطوة”، حيث يدرس المتعلم مسار الحل المكتمل، مما يحرر ذاكرته العاملة للتركيز الكامل على استيعاب العلاقات البنيوية العميقة والمبادئ العامة الحاكمة للمشكلة.

تتكامل هذه المنهجية مع استراتيجية التلاشي التدريجي للتوجيه (Fading Scaffolding)، حيث ينتقل التصميم التعليمي بالتدريج من تقديم أمثلة محلولة بالكامل، إلى مسائل ذات حلول ناقصة تتطلب إكمال خطوات محددة، وصولاً في النهاية إلى مرحلة “حل المشكلات المفتوح” باستخدام استراتيجية تحليل الوسائل والغايات. يضمن هذا التدرج تحاشي “تأثير عكس الخبرة” (Expertise Reversal Effect)، ويسمح ببناء المخططات الذهنية الرصينة لدى المتعلم قبل الزج به في متاهات البحث الكشفي المستقل.

11.3 التطبيقات في العلاج المعرفي السلوكي (CBT) وعلاج حل المشكلات

امتدت التطبيقات الإجرائية لنموذج تحليل الوسائل والغايات لتحدث تحولاً نوعياً في ميدان الصحة النفسية والعلاج النفسي الحديث، ولاسيما ضمن مدرسة “العلاج المعرفي السلوكي” (CBT) ومنظومة “العلاج بحل المشكلات” (Problem-Solving Therapy – PST) التي طورها توماس دزوريلا (Thomas D’Zurilla) وآرثر نيزو (Arthur Nezu). يرتكز هذا المنحى الإكلينيكي على فرضية أن العديد من الاضطرابات النفسية الشائعة، كالاكتئاب والقلق والاحتراق النفسي، تنشأ أو تتفاقم نتيجة شعور الفرد بالعجز والشلل الإدراكي أمام أزمات وتحديات الحياة المعقدة والمتراكمة.

يستعير المعالج الإكلينيكي المعرفي آليات نظام GPS لمساعدة المسترشد على تحويل المعاناة النفسية الهلامية والغامضة إلى “مشكلات إجرائية محددة البنية”. يتم تدريب المريض عبر خطوات منهجية صارمة تشمل:

• توصيف “الحالة الراهنة” بموضوعية وتجريدها من التشوهات المعرفية والتهويل الذاتي.
• تحديد “الحالة الهدفية” الواقعية والقابلة للقياس السلوكي بدقة.
• استخراج “الفجوات والفروق الرئيسية” بين الواقع والمأمول وتصنيفها حسب الأهمية والأولوية المعرفية.
• إنشاء متسلسلة هرمية من “الأهداف الفرعية الصغيرة والمقدور عليها”، مما يكسر حلقة التسويف والانسحاب السلوكي.
• اختيار وتطبيق المشغلات السلوكية الملائمة لمواجهة كل هدف فرعي على حدة.

يسهم هذا التفكيك الهرمي في تقويض “التفكير الكارثي” (Catastrophic Thinking) وتعزيز مشاعر “الكفاءة الذاتية” (Self-Efficacy) لدى المريض؛ فالأزمة الوجودية الكبرى التي كانت تبدو مستحيلة الحل ومصدر إحباط عارم تتحول بفضل استراتيجية MEA إلى مجموعة من المهام السلوكية والخطوات التنفيذية الملموسة التي يمكن إنجازها تدريجياً، مما يعيد للفرد سيطرته الإدراكية والسلوكية على مسار حياته.

12. الإرث العلمي لنيويل وسيمون والتأثير في العلوم السلوكية المعاصرة

12.1 إعادة صياغة علم النفس: العقل كنظام لمعالجة المعلومات

يمثل النتاج الفكري المشترك لألين نيويل وهيربرت سيمون، والذي بلغ ذروته في كتابهما الكلاسيكي الضخم Human Problem Solving (1972)، الإنجاز التأسيسي الأكثر رسوخاً في تاريخ العلوم المعرفية المعاصرة. لقد نجح العالمان في إحداث نقلة بارادايمية حقيقية أعادت صياغة علم النفس من دراسة وصفية للسلوك الظاهري أو تأملات استبطانية غامضة إلى علم تجريبي دقيق يدرس بنية ووظائف “العقل كنظام فيزيائي لمعالجة الرموز والمعلومات”.

أثبت هذا العمل التاريخي أن العمليات العقلية المعقدة (كالتفكير، والاستدلال، وحل المشكلات، واتخاذ القرارات) تمتلك آليات بنيوية عامة وقابلة للقياس والمحاكاة الصورية الدقيقة، مما أسقط الحواجز التقليدية التي فصلت لعقود بين العلوم الطبيعية والإنسانية. باتت النماذج الذهنية، وفضاءات المشكلات، واستراتيجيات البحث الكشفية هي اللغة المعيارية والمشتركة التي يتحدث بها علماء النفس، ومناطقة الرياضيات، وعلماء الحاسوب، والأعصاب الإدراكية حول العالم.

تجاوز هذا الإرث مجرد إطلاق البرامج الحاسوبية ليرسخ معياراً علمياً ومنهجياً لا يزال يحكم الأبحاث النفسية حتى اليوم: النظرية الإدراكية الحقيقية هي النظرية القادرة على تقديم توصيف إجرائي حسابي متماسك وقابل للتنفيذ والمحاكاة، وهو ما جعل من نيويل وسيمون الآباء المؤسسين لثورة المعلوماتية العقلية بلا منازع.

12.2 الارتباط بنظرية العقلانية المقيدة (Bounded Rationality) والاقتصاد السلوكي

ترتبط الأطر المعرفية لحل المشكلات ارتباطاً عضوياً وجوهرياً بالثورة التي أحدثها هيربرت سيمون في حقل الاقتصاد ونظرية اتخاذ القرار، والتي نال عنها جائزة نوبل في العلوم الاقتصادية عام 1978. نسف سيمون النموذج الكلاسيكي التقليدي للرجل الاقتصادي العقلاني الكامل (Homo Economicus)، الذي افترض امتلاك الإنسان معرفة مطلقة وقدرة حسابية لانهائية على تعظيم الفائدة واختيار الحلول المثالية دائماً (Optimization).

انطلاقاً من دراساته في فضاء المشكلة ومحدودية الذاكرة البشرية، صاغ سيمون مفهومه الثوري: “العقلانية المقيدة” (Bounded Rationality) ومبدأ “الكفاية أو الرضا الإدراكي” (Satisficing). وفقاً لهذا المنظور، لا يبحث الإنسان في الواقع عن الحل الأمثل رياضياً ومطلقاً بين مليارات البدائل في فضاء المشكلة، بل يستخدم استراتيجيات بحث كشفية موجهة حتى يعثر على أول حل “مرضٍ وكافٍ” يلبي معاييره التطلعية المحددة ويحقق أهدافه الراهنة بأقل جهد ذهني ممكن.

شكلت هذه الرؤية المعرفية الجذر النظري المباشر الذي انطلقت منه أبحاث دانيال كانمان وعاموس تفيرسكي في “الاستدلالات الكشفية والانحيازات الإدراكية” (Heuristics and Biases)، والتي تأسس عليها ميدان “الاقتصاد السلوكي” المعاصر. لقد برهن سيمون على أن السلوك الاقتصادي والمالي للبشر ليس سوى مظهر من مظاهر البحث الكشفي الهادف داخل فضاءات المشكلات المقيدة بحدودنا البيولوجية والإدراكية.

12.3 الآفاق المستقبلية: تحليل الوسائل والغايات في عصر التعلم العميق

في الحقبة الراهنة التي تشهد انفجاراً غير مسبوق في تقنيات التعلم العميق (Deep Learning)، والنماذج اللغوية التوليدية الضخمة (LLMs)، وشبكات التعلم المعزز العميق (Deep Reinforcement Learning)، يكتسب المنطق التأسيسي لنيويل وسيمون ونظام GPS أهمية مستقبلية بالغة تتجاوز بكثير قيمته التاريخية. تُواجه النماذج الذكية المعاصرة مأزقاً حرجاً يتمثل في ميلها إلى التوليد الاحتمالي الأعمى وافتقارها إلى “المنطق التخطيطي الحقيقي طويل المدى” (Long-term Goal-Directed Planning) وقدرتها على بناء أهداف فرعية متماسكة عند مواجهة تعقيدات غير مسبوقة.

تسعى أحدث التيارات البحثية في كبرى مراكز أبحاث الذكاء الاصطناعي العالمية اليوم (مثل DeepMind وOpenAI) إلى دمج آليات التخطيط الهرمي والبحث في فضاء المشكلة واستراتيجية تحليل الوسائل والغايات مع القوة الترابطية للشبكات العصبية العميقة، كما يتجلى في خوارزميات مثل “البحث في شجرة مونت كارلو” (MCTS) المدعومة بالشبكات العصبية (كما في أنظمة AlphaGo وAlphaZero)، وتقنيات “سلسلة الأفكار وشجرة الأفكار” (Chain/Tree-of-Thought Prompting) المستخدمة مع النماذج اللغوية المتقدمة.

تثبت هذه التوجهات الحديثة أن بناء ذكاء اصطناعي عام (AGI) آمن وموثوق وممتلك للقدرة على التفكير الحقيقي يستلزم بالضرورة العودة إلى الأصول المعرفية التي أرساها ألين نيويل وهيربرت سيمون: الذكاء ليس مجرد مصفوفات رقمية وإحصاءات احتمالية ضخمة، بل هو بالأساس قدرة على تمثيل الغايات، وتقييم الفروق، وإدارة الأهداف الفرعية، والتحرك الهادف والواعي عبر فضاءات الإمكانات الإنسانية والكونية اللانهائية.

خاتمة

يمثل مشروع “حلّال المشكلات العام” (GPS) واستراتيجية “تحليل الوسائل والغايات” (MEA) لمحطة فارقة ومضيئة في تاريخ الفكر البشري؛ إذ استطاع ألين نيويل وهيربرت أ. سيمون من خلالهما انتشال دراسة العقل البشري من ضبابية التأملات الميتافيزيقية وتسطيح الاختزالية السلوكية، لوضعها على أرضية صلبة من العلم التجريبي والنمذجة الرياضية الصارمة. لقد أثبت هذا المشروع أن التفكير الإنساني ليس لغزاً مستعصياً، بل هو سيمفونية إدراكية بديعة من التحويلات الرمزية، وإدارة الأهداف الفرعية، وتضييق الفجوات بين الواقع والغاية المنشودة.

إن الرؤية العبقرية التي قدمها هذان الرائدان قبل أكثر من ستة عقود لم تكتفِ بتأسيس علم النفس المعرفي وتدشين الذكاء الاصطناعي الرمزي فحسب، بل امتدت لتحدث تحولات جذرية في الاقتصاد السلوكي، ونظريات التعلم، والعلاج النفسي، وتصميم النظم المعرفية المعاصرة. واليوم، ونحن نقف على أعتاب ثورات تقنية جديدة تتسابق فيها النماذج الحسابية لمحاكاة الإدراك البشري، يظل المنطق المعرفي لنيويل وسيمون بوصلة إرشادية خالدة تذكرنا بأن فهم العقل هو أعظم مغامرة علمية يمكن أن يخوضها الإنسان، وأن ذكاء الآلة الحقيقي يبدأ من الفهم العميق لجوهر ومرونة الفكر الإنساني.

المراجع

• Anderson, J. R. (1993). Rules of the Mind. Lawrence Erlbaum Associates. https://doi.org/10.4324/9780203763148
• Anderson, J. R., Bothell, D., Byrne, M. D., Douglass, S., Qin, Y., & Anderson, C. (2004). An integrated theory of the mind. Psychological Review, 111(4), 1036–1060. https://doi.org/10.1037/0033-295X.111.4.1036
• Chi, M. T. H., Feltovich, P. J., & Glaser, R. (1981). Categorization and representation of physics problems by experts and novices. Cognitive Science, 5(2), 121–152. https://doi.org/10.1207/s15516709cog0502_2
• Damasio, A. R. (1994). Descartes’ Error: Emotion, Reason, and the Human Brain. G.P. Putnam’s Sons.
• D’Zurilla, T. J., & Nezu, A. M. (2007). Problem-Solving Therapy: A Positive Approach to Clinical Intervention (3rd ed.). Springer Publishing Company.
• Ericsson, K. A., & Simon, H. A. (1993). Protocol Analysis: Verbal Reports as Data (Rev. ed.). The MIT Press. https://doi.org/10.7551/mitpress/5657.001.0001
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Laird, J. E. (2012). The Soar Cognitive Architecture. The MIT Press. https://doi.org/10.7551/mitpress/9780262122962.001.0001
• Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological Review, 63(2), 81–97. https://doi.org/10.1037/h0043158
• Newell, A. (1990). Unified Theories of Cognition. Harvard University Press.
• Newell, A., & Simon, H. A. (1956). The logic theory machine–A complex information processing system. IRE Transactions on Information Theory, 2(3), 61–79. https://doi.org/10.1109/TIT.1956.1056797
• Newell, A., & Simon, H. A. (1961). GPS, a program that simulates human thought. In H. Billings (Ed.), Lernende Automaten (pp. 109–124). R. Oldenbourg.
• Newell, A., & Simon, H. A. (1972). Human Problem Solving. Prentice-Hall.
• Newell, A., & Simon, H. A. (1976). Computer science as empirical inquiry: Symbols and search. Communications of the ACM, 19(3), 113–126. https://doi.org/10.1145/360018.360022
• Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of Economics, 69(1), 99–118. https://doi.org/10.2307/1884852
• Simon, H. A. (1957). Models of Man, Social and Rational: Mathematical Essays on Rational Human Behavior in a Social Setting. John Wiley & Sons.
• Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1207/s15516709cog1202_4
• Sweller, J., van Merriënboer, J. J. G., & Paas, F. (2019). Cognitive architecture and instructional design: 20 years later. Educational Psychology Review, 31(2), 261–292. https://doi.org/10.1007/s10648-019-09465-5